如何将Spark ALS应用于隐式数据

Question

我的数据集是这样的购买历史记录：

+---+-----------+---------+
|usn|    page_id|    click|
+---+-----------+---------+
| 11| 9000001012|       10|
|169| 2010008901|      100|
|169| 9000001007|        4|
|169| 2010788901|        1|
|169| 8750001007|        4|
|169| 9003601012|       10|
|169| 9000001007|        4|
|613| 9000050601|        8|
|613| 9000011875|        3|
|613| 2010010401|        6|
|613| 9000001007|        4|
|613| 2010008801|        1|
|836| 9000050601|       20|
|916| 9000050601|       10|
|916| 9000562601|       30|
|916| 9000001007|        4|
|916| 9000001012|       10|
+---+-----------+---------+

我已经在Spark（http://spark.apache.org/docs/latest/ml-collaborative-filtering.html）中阅读了文档。

现在，我想将ALS应用于此数据集。怎么做？我可以将此数据集应用于明确的数据吗？

请帮助我使用它，并给我一个示例代码python关于隐式偏好，如果您有

Answer 1

我的答案很晚，但是主要的是扩展值'click'。在我的情况下工作：

from pyspark.sql import Window
ww = Window.partitionBy("usn")
scaled_score = (
    0.00001 + 10*(col("click") - min("click").over(ww)) / (max("click").over(ww) - min("click").over(ww))
).cast(DecimalType(7, 5))

为访问量最多的page_id创建策略后，请记住，要建模的值应反映客户的口味